当“双非”这两个字成为简历上绕不开的标签，到底要攒下多少段实习、改出多少版简历，才能推开那扇被985/211光环遮蔽的门？林然用三年时间，把自己从一家本地小公司的打杂助理，磨成了手握多份offer的求职者。他没有拿到逆袭的剧本，前前后后投出113份简历，真正换来的不是幸运，而是几条被现实反复敲打后刻在脑子里的真结论。一、实习圈那句“越早越好”，他用三年才真正听懂大二那年暑假，林然得到第一份实习——在一家本地母婴品牌做市场助理。每天的日程是整理发票、贴报销单、给会议室加纸杯。同期有同学在朋友圈晒出互联网大厂的工牌，他说不羡慕是假的。但正是这段看似没技术含量的经历，让他无意中接触到快消行业的渠道促...

到写简历的时候已经崩溃了

27届，bg双非本211硕，0实习找暑期，简直是地狱难度，要么简历挂，要么笔试挂，总算有约面的最多到二面也杳无音迅，某天晚上一时冲动投了字节（因为传说中的面评机制导致我一直没敢投，本来是打算先找个中小厂填简历，等秋招再面字节）没想到顺的不可思议，第二天hr就打电话约面了tl：3.30一面，第二天约二面4.3二面，隔一天约三面4.9三面，结束后10min约hr面，hr闲聊确认到岗时间，当场口头oc回想起那段日子，真是相当煎熬的一段时光，基本每个小时都忍不住检查邮箱，效率也是真的高，我都没想到简历能被捞这么快（点名某鹅某为，到现在都还在泡池子气笑了）最大的感受就是，实习这事是真的玄学，一个月前还在为实习天天愁的睡不着，做梦也想不到一个月后能坐在宇宙厂工位上。有时候被拒绝也不一定是你能力的问题，横向竞争太激烈了。千万不要灰心，保不准哪天就柳暗花明了

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...